Zusammenfassung
Eine Grundlage der meisten empirischen Analysen im Bereich der In den Sozialwissenschaftlichen können verschiedene theoretische (latente) Konstrukte, zum Beispiel Religiosität, Umweltbewusstsein oder Rechtsextremismus, häufig nicht mit einer einzigen Frage im Fragebogen erhoben werden. Stattdessen überlegen sich Forscher eine Reihe von manifesten Aussagen (sog. Items), die das interessierende Konstrukt abbilden sollen (z.B. die Frage „das Leben hat nur eine Bedeutung, weil es einen Gott gibt“ zur Messung des theoretischen Konstrukts Religiosität). Das folgende Kapitel beschäftigt sich damit, wie die Messung von latenten Variablen in der Praxis funktioniert. Zunächst wird darauf eingegangen, inwieweit den Antworten der Befragten auf viele manifeste Aussagen einige wenige latente Variable zugrunde liegen. Welches Item lässt sich dem jeweiligen theoretischen Konstrukt zuordnen? Diese Frage kann mit der explorativen Faktorenanalyse beantwortet werden, die in ihren Grundzügen vorgestellt wird. Anschließend wird darauf eingegangen, ob sogenannte Likert-Skalen, die ein latentes theoretisches Konstrukt mithilfe mehrerer manifester Aussagen messen, ein wichtiges Gütekriterium der Messung aufweisen: die Reliabilität.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Auch im Bereich sozialwissenschaftlicher Instrumente, die über die Messung soziodemografischer Standardvariablen hinausgehen, gibt es Ansätze für eine Standardisierung. So findet man in der „Zusammenstellung sozialwissenschaftlicher Items und Skalen“ (zum Download auf den Seiten der GESIS) eine Auflistung von Instrumenten zur Erhebung von Einstellungen und Verhaltensweisen aus häufig untersuchten sozialen Themenbereichen.
- 2.
Aus messtheoretischen Gründen gilt die Faustregel: „Je mehr Indikatoren, desto besser“. Gemeinhin ist die Zahl der erfragten Items jedoch aus forschungsökonomischen Gründen begrenzt.
- 3.
Die Antwortkategorie „Darüber habe ich noch nie nachgedacht“ wurde als fehlender Wert definiert.
- 4.
Eine Variable wird z-standardisiert, indem von jedem Messwert der arithmetische Mittelwert der Variable abgezogen und diese Differenz durch die Standardabweichung dieser Variable dividiert wird. Standardisierte Variable haben dadurch eine Standardabweichung von 1 und einen Mittelwert von 0. Diese Standardisierung wird in Faktorenanalysen grundsätzlich vorgenommen um Verzerrungen, die durch ein unterschiedliches Antwortformat (zum Beispiel 4-fach abgestufte und 5-fach abgestufte Items) hervorgerufen werden können, zu vermeiden.
- 5.
- 6.
Für das das erste Item in Tab. 5.5 („Gott befasst sich persönlich mit Menschen“) ergibt sich zum Beispiel folgendes Ergebnis: 0,8252 + (− 0,1782) = 0,712.
- 7.
Die KMO-Werte für Einzelitems werden in SPSS in der Hauptdiagonalen der sog. Anti-Image-Korrelationsmatrix angegeben und in STATA mit dem Befehl „estat kmo“.
- 8.
Damit die Messfehler tatsächlich zufällig auftreten, müssen verschiedene Bedingungen erfüllt sein: Der Mittelwert der Messfehler ist 0, die Messfehler korrelieren nicht mit dem wahren Wert einer Messung, die Messfehler zweier Messwertreihen sind unkorreliert und die Messfehler einer Messwertreihe korrelieren nicht mit dem wahren Wert einer anderen Messung.
- 9.
Bei der Skalenkonstruktion ist es nicht empfehlenswert, ausschließlich Items mit sehr hoher Trennschärfe aufzunehmen, da Items mit niedrigerer bis mittlerer Trennschärfe entlang des gesamten Wertebereichs einer Testskala (zum Beispiel sehr schwach und sehr stark ausgeprägte religiöse Sinndeutung) differenzieren können.
- 10.
In diesem Fall ist keine z-Standardisierung notwendig.
- 11.
Die Skala „Selbstverwirklichung“ besteht aus den beiden Aussagen, wie wichtig dem Befragten „Kreativität und Phantasie“ beziehungsweise „Selbstverwirklichung“ sind (Antwortformat jeweils von 1 = unwichtig bis 7 = sehr wichtig).
Literatur
Backhaus, Klaus, Bernd Erichson, Wulff Plinke, und Rolf Weiber. 2006. Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. Berlin: Springer.
Bühner, Markus. 2010. Einführung in die Test- und Fragebogenkonstruktion. München: Pearson-Education.
Clauß, Günter, Falk-Rüdiger Finze, und Lothar Partzsch. 2011. Grundlagen der Statistik. Für Soziologen, Pädagogen, Psychologen und Mediziner. Frankfurt a. M.: Harri Deutsch.
Lord, Frederic M., und Melvin R. Novick. 1968. Statistical theories of mental test scores. MA: Addison-Wesley, Reading.
MacCallum, Robert, Keith F. Widaman, Shaobo Zhang, und Sehee Hong. 1999. Sample size in factor analysis. Psychological Methods 4:84–99.
Moosbrugger, Helfried, und Augustin Kelava. 2007. Testtheorie und Fragebogenkonstruktion. Berlin: Springer.
Reinecke, Jost. 2005. Strukturgleichungsmodelle in den Sozialwissenschaften. München: Oldenbourg.
Schnell, Rainer, Paul Bernhard Hill, und Elke Esser. 2011. Methoden der empirischen Sozialforschung. München: Oldenbourg.
Statistisches Bundesamt. 2010. Demographische Standards. Statistik und Wissenschaft. Bd. 17. Wiesbaden.
Strobl, Carolin. 2010. Das Rasch-Modell. Eine verständliche Einführung für Studium und Praxis. München: Hampp.
Überla, Karl. 1972. Faktorenanalyse. Berlin: Springer.
Wolff, Hans-Georg, Johann Bacher. 2010. Hauptkomponentenanalyse und explorative Faktorenanalyse. In Handbuch der sozialwissenschaftlichen Datenanalyse, Hrsg. Christof Wolf und Henning Best, 333–365. Wiesbaden: VS Verlag für Sozialwissenschaften.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2014 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Kopp, J., Lois, D. (2014). Faktorenanalyse und Skalierung. In: Sozialwissenschaftliche Datenanalyse. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-02300-3_5
Download citation
DOI: https://doi.org/10.1007/978-3-658-02300-3_5
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-02299-0
Online ISBN: 978-3-658-02300-3
eBook Packages: Humanities, Social Science (German Language)